Microsoft tęsia savo įspūdingą sėkmės seriją dirbtinio intelekto srityje ir šiandien paskelbė apie trijų naujų Phi-3.5 serijos modelių išleidimą. Šie modeliai, pasižymintys pažangiomis multimodalumo ir daugiakalbystės funkcijomis, siekia toliau revoliucionuoti rinką dirbtinio intelekto pagrindu veikiantiems taikymams. Modeliai buvo pateikti „Hugging Face“ platformoje su Microsoft prekių ženklui pritaikyta MIT licencija, suteikiančia kūrėjams visame pasaulyje galimybę laisvai naudotis, pritaikyti ir toliau tobulinti šias novatoriškas technologijas.

Trys modeliai – Phi-3.5-mini-instruct, Phi-3.5-MoE-instruct ir Phi-3.5-vision-instruct – apima platų pritaikymo spektrą, nuo pagrindinių iki itin sudėtingų užduočių. Kiekvienas modelis yra optimizuotas pagal konkrečius reikalavimus, pvz., greitam ir tiksliam sprendimų priėmimui arba teksto ir vaizdo duomenų apdorojimui multimodalumo užduotyse.

Phi-3.5 Mini instrukcinis modelis, turintis 3,8 milijardo parametrų, yra lengvas modelis, specialiai sukurtas naudoti atminties ar skaičiavimo ištekliais apribotose aplinkose. Jis demonstruoja įspūdingus rezultatus užduotims, kurios reikalauja stipraus mąstymo, tokioms kaip kodo generavimas, matematiniai problemų sprendimai ir loginiai užklausos. Nepaisant kompaktiško dydžio, jis RepoQA etalone pralenkia kitos klasės modelius, tokius kaip Llama-3.1-8B-instruct, ypač užduotyse, kurios reikalauja suprasti ilgą kontekstą.

Phi-3.5 MoE (Ekspertų Mišinio) modelis yra pirmasis tokio tipo modelis "Microsoft" portfelyje. Jis derina įvairius modelių tipus, kurie yra specializuoti atlikti skirtingas užduotis, ir gali efektyviai spręsti sudėtingas dirbtinio intelekto užduotis. Su 42 milijardais aktyvių parametrų jis siūlo išplėstą našumą ir palaiko iki 128.000 žetonų kontekstus. Jis įspūdingai pranoksta GPT-4o mini 5-shot MMLU vertinime, apimančiame tokias sritis kaip STEM, humanitariniai ir socialiniai mokslai, pabrėždamas savo universalumą ir pajėgumus.

Phi-3.5 vaizdo apdorojimo instrukcijų modelis integruoja teksto ir vaizdų apdorojimo galimybes, todėl jis idealiai tinka tokioms užduotims kaip bendras vaizdo apdorojimas, optinio simbolių atpažinimo ir vaizdo santraukos. Šis modelis su 128 tūkstančių žetonų konteksto palaikymu gali valdyti sudėtingas, daugiasluoksnes vizualines užduotis. „Microsoft“ pabrėžia, kad modelis buvo mokomas naudojant sintetinį ir viešai prieinamą duomenų rinkinį, ypatingą dėmesį skiriant aukštos kokybės ir intensyvaus mąstymo reikalaujantiems duomenims.

Visi trys "Phi-3.5" serijos modeliai buvo išleisti pagal MIT licenciją, tai pabrėžia „Microsoft“ įsipareigojimą remti atvirojo kodo bendruomenę. Ši licencija leidžia kūrėjams laisvai naudotis, modifikuoti ir platinti programinę įrangą, tuo pačiu paisant „Microsoft“ ir kitų autorių teisių turėtojų atsakomybės apribojimų.

Phi-3.5 modelių išleidimas žymi svarbų žingsnį kuriant daugiakalbes ir daugiarūšes dirbtinio intelekto sistemas. Naudodami šiuos modelius, „Microsoft“ suteikia kūrėjams galimybę integruoti pažangias dirbtinio intelekto funkcijas į savo programas, skatinant inovacijas tiek komerciniame, tiek moksliniame sektoriuje.